共查询到18条相似文献,搜索用时 62 毫秒
1.
采用提取信号相位并用直方图统计的方法对BPSK、QPSK、OQPSK、UQPSK信号进行识别,并分析不同噪声背景下对这四种信号识别的影响。仿真结果表明在满足一定信噪比的条件下,能够完成对这四种调相信号的识别。 相似文献
2.
提出了一种基于顺序统计量特征的二进制相移键控/正交相移键控(BPSK/QPSK)信号调制识别算法.对观测信号进行平方并做离散傅里叶变换运算,将变换结果取模后去除最大值得到修正频谱,并取修正频谱的最大值作为识别特征量,利用恒虚警准则确定判决门限,将识别特征量与门限比较来完成对BPSK和QPSK两种调制信号的识别.计算机仿真表明,当信噪比适度时,所提算法可对BPSK及QPSK两类信号进行有效识别.当信噪比大于1 dB时,算法的平均识别正确率达到90%以上. 相似文献
3.
针对二进制相移健控(Binary Phase Shift Keying,BPSK)/正交相移键控(Quadrature Phase Shift Keying,QPSK)相位编码信号的调制识别问题,提出了一种基于广义帕雷托(General Pareto,GP)分布拟合优度检验的识别算法。基于极值分布理论,利用观测信号的平方幅度谱构建其超阈值序列,通过检验超阈值序列的分布是否近似服从GP-I分布来实现对BPSK/QPSK调制方式的分类识别。在不同条件下,大量仿真结果证明了所提算法的有效性,并且和已有的调制信号识别算法相比,所提算法具有更好的识别性能。 相似文献
4.
CATV双向网中的QPSK与QAM调制 总被引:4,自引:1,他引:3
本文阐明了QPSK与QAM调制的物理内涵,以及它们在CATV双向网中各展所长的互补关系,并对某些观念表述了作者自己的看法。 相似文献
5.
一种有效的BPSK/QPSK信号调制识别方法 总被引:5,自引:0,他引:5
根据不同调制信号相位差分的变化规律,文章提出了基于相位差分峰值幅度比较的BP-SK/QPSK调制识别方法。仿真结果验证了调制识别方法的有效性。 相似文献
6.
7.
8.
9.
10.
本丈分析了有线电视HFC网络的相位特性对64QAM调制数字电视信号的影响,并说明了在建设和维护工作中,如何改善HFC网络的相位特性。 相似文献
11.
12.
移动通信的物理层采用的调制方式主要有BPSK、QPSK、16PSK、16QAM等自适应数字调制解调技术。本文通过对信源产生的数字信号,经过16QAM调制解调方式对信号进行调制。通过对误码率的测试比较,来分析16QAM调制解调方式的性能。 相似文献
13.
在电子对抗领域,信号调制方式识别是进行雷达分选、干扰施放的基础,得到广泛研究。对此,文中提出了一种以信号频谱相像系数和幅度统计参数为分类特征的FSK/BPSK复合调制雷达脉冲信号识别算法。算法首先提取雷达脉冲信号的频谱相像系数和幅度统计参数,然后采用分层结构的神经网络分类器进行识别。该算法不仅能识别FSK/BPSK复合调制信号,且对其他常用雷达信号调制方式的识别不产生干扰。仿真结果表明,针对FSK/BPSK以及CW、LFM、BPSK、QPSK、FSK等常用雷达信号调制类型,在信噪比>5 dB时,分类正确率可达98%以上。 相似文献
14.
一种有效的BPSK/QPSK信号调制识别方法 总被引:1,自引:0,他引:1
根据不同调制信号相位差分的变化规律,文章提出了基于相位差分峰值幅度比较的BP SK/QPSK调制识别方法。仿真结果验证了调制识别方法的有效性。 相似文献
15.
该文针对多径条件下的高阶QAM信号,提出了一种基于改进的HY-NCMA盲均衡方法的调制识别算法。与已有算法相比,均衡器不仅能够纠正载波相位偏转,而且提高了收敛速度;此外,算法提出了新的识别特征,降低了所需要的数据量和运算量,提高了识别率。仿真表明,在中、高信噪比条件下,具有良好的识别效果。 相似文献
16.
17.
QAM调制与解调的全数字实现 总被引:6,自引:1,他引:6
论述了适用于数字微波系统的全数字正交幅度调制解调方式,并根据星座图的形状指出了16QAM。64QAM(星座图为矩形)与32QAM,128QAM(星座图为十字形)在调制与解调方法上的区别,最后用ADS(Advanced Design System)对16QAM,32QAM,64QAM,128QAM全数字调制与解调过程进行仿真,并给出了64QAM在加性高斯白噪声条件下的误码率。实验证明,全数字正交幅度调制解调易于实现,且性能良好。 相似文献
18.
正交幅度调制(Quadrature Amplitude Modulation,QAM)信号的调制模式识别一直以来是人们研究的热点,通过星座图来进行调制模式识别也是一种常见的方法。然而,大多数调制模式识别算法会受到频偏和相偏的干扰,因此提出了一种幅度相位分步识别的QAM识别算法来识别调制模式。先利用卷积神经网络(Convolutional Neural Networks,CNN)识别出未消除频偏相偏的QAM星座图的幅度层数,对信号进行第一次分类;再检测每个信号点的瞬时相位进行差分,得到每个点之间的相位跳变幅度;经过减法聚类确定相位跳变次数,由此对信号在相位上进行二次分类,最后识别出QAM信号的调制模式。该方法虽然步骤比传统方法繁琐,但是不依赖于信号的频偏消除和相偏消除,能够起到很好的抗频偏作用。此外,因为没有频偏消除和相偏消除的步骤,所以使得信号不至于在频偏消除和相偏消除等预处理过程中损失信息量。经过试验,这种方法在识别率上比传统的神经网络识别方法在低信噪比下有更好的识别率。 相似文献